基于自适应多任务学习的邻接表导向关系事实抽取
计算与语言
2021-06-04 v1
摘要
关系事实抽取旨在从非结构化文本中抽取语义三元组。本工作中，我们表明所有关系事实抽取模型均可依据面向图的分析视角进行组织。基于该分析框架，提出了一种高效模型——邻接表导向关系事实（DIRECT，aDjacency lIst oRiented rElational faCT）。为缓解错误传播与子任务损失均衡的挑战，DIRECT 采用一种带有动态子任务损失平衡的新颖自适应多任务学习策略。在两个基准数据集上进行了充分实验，结果证明所提模型在关系三元组抽取上优于一系列最先进（SoTA）模型。
引用
@article{arxiv.2106.01559,
title = {Adjacency List Oriented Relational Fact Extraction via Adaptive Multi-task Learning},
author = {Fubang Zhao and Zhuoren Jiang and Yangyang Kang and Changlong Sun and Xiaozhong Liu},
journal= {arXiv preprint arXiv:2106.01559},
year = {2021}
}
备注
13 pages, 3 figures, accepted by findings of ACL 2021